Effect of Mn on microstructural characteristics and mechanical behavior of AlSi10Mg alloys produced by laser powder bed fusion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study investigated the effect of Mn modification on the microstructure and mechanical properties of AlSi10Mg alloys produced by laser powder bed fusion (L-PBF). The results revealed that the addition of 0.5 wt% Mn considerably improved the strength while maintaining a similar elongation level, exhibiting yield strength increases of 17 %, 30 % and 29 % in the as-manufactured (F), directly aged (T5), and solution treated plus aged (T6) conditions, respectively. In the F and T5 conditions, the Mn-modification resulted in the formation of α-Al(Mn,Fe)Si intermetallic particles inside the Si-rich network, which reinforced the network and improved the strength. After the T6 heat treatment, the Si-rich network completely disappeared in both alloys, but the formation of α-Al(Mn,Fe)Si dispersoids provided an extra strengthening contribution in the Mn-modified alloy. Most importantly, transmission electron microscopy and atom probe tomography revealed that the addition of Mn (and some extra Mg) stimulated the precipitation of a large number of Si-rich nanoparticles and MgSi-based precipitates, especially in the T5 condition. Among all the heat treatment and alloy conditions investigated, the Mn-modified alloy in the T5 condition achieved the highest strengths (yield strength: 386 MPa, ultimate tensile strength: 532 MPa). This research highlights the potential for improving the mechanical properties of AlSi10Mg alloys produced by L-PBF via a cost-effective modification of the chemical composition and provides a deeper understanding of the role of Mn in such alloys.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle